Neuraminidase inhibitor resistance in influenza: a clinical perspective
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Neuraminidase inhibitors (NAIs), including oseltamivir, zanamivir, and peramivir, is the main class of antiviral available for clinical use. As such, development of resistance toward these agents is of great clinical and public health concern. RECENT FINDINGS: At present, NAI resistance remains uncommon among the circulating viruses (oseltamivir <3.5%, zanamivir <1%). Resistance risk is slightly higher in A(H1N1) than A(H3N2) and B viruses. Resistance may emerge during drug exposure, particularly among young children (<5 years), the immunocompromised, and individuals receiving prophylactic regimens. H275Y A(H1N1) variant, showing high-level oseltamivir resistance, is capable of causing outbreaks. R294K A(H7N9) variant shows reduced inhibition across NAIs. Multi-NAI resistance has been reported in the immunocompromised. SUMMARY: These findings highlight the importance of continuous surveillance, and assessment of viral fitness and transmissibility of resistant virus strains. Detection can be challenging, especially in a mix of resistant and wild-type viruses. Recent advances in molecular techniques (e.g. targeted mutation PCR, iART, ddPCR, pyrosequencing, next-generation sequencing) have improved detection and our understanding of viral dynamics. Treatment options available for oseltamivir-resistant viruses are limited, and susceptibility testing of other NAIs may be required, but non-NAI antivirals (e.g. polymerase inhibitors) that are active against these resistant viruses are in late-stage clinical development.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».